2021-09-09anchor based 和anchor free区别

目标检测的目的是对于图像中的目标候选区域进行定位和分类。最原始的方法就是利用各种尺寸的滑窗法选择候选区域在进行分类，明显效率太低，因为一张图里的目标数量仅仅占少数。

anchor-based以faster RCNN为代表，用CNN提取特征图后，对特征图上每个点设置了3种尺度和3种宽高比的9个anchor提取候选框，利用人为设计的先验锚框获取该区域的特征进行分类和回归，产生粗略的候选框，再利用CNN提取候选框的特征进行目标类别的多分类和定位框精细化回归。

优点：（收敛快，精度高，但是，anchor设计较难，需要较强的先验知识，）
1 使用anchor机制产生的anchor boxes先验框，使得网络可直接在此基础上进行目标分类及边界框坐标回归，使模型更容易收敛，训练更稳定；
2 产生的多尺度和宽高比的anchor boxes可以提高网络目标检测的召回率，对小物体检测效果提升明显

anchor free以单步检测YOLO为代表，直接对CNN提取的特征图的每个点，判断对应的原图区域是否存在目标，若存在目标则进行中心回归和宽高回归。

优点（检测速度块，精度相对anchor based方法低一些）

1. 对目标中心和宽高直接进行回归，有了更大更灵活的预测空间，摆脱了anchor带来的计算量，达到了实时的检测效果

缺点

1. 正负样本不平衡，检测结果不稳定，对小目标的检测召回率低。